基于Raspberry Pi Pico的超声波与激光测距传感器融合雷达系统实践

1. 项目概述与核心价值

最近在捣鼓一些嵌入式传感项目，手头正好有常见的HC-SR04超声波传感器和TOF10120激光测距模块，想着能不能把它们玩出点新花样。单纯测个距离显示在串口监视器上，总觉得少了点工程实践的“味道”。于是，一个想法冒了出来：能不能用最基础的硬件，模拟出一个简易的“雷达”扫描效果？不仅能实时显示距离，还能把探测到的物体位置可视化出来。

这个项目的核心，就是利用Raspberry Pi Pico这块性价比极高的微控制器，同时驱动超声波传感器和ToF激光测距传感器进行距离探测。为了实现扫描效果，我加入了一个SG90伺服电机来带动传感器旋转。整个系统的“大脑”运行着基于Arduino框架编写的固件，而所有的数据可视化工作，则交给了运行在安卓手机上的DumbDisplay应用来完成。通过一根USB线连接Pico和手机，你就得到了一个完整的、带图形化界面的微型雷达模拟器。

这个项目非常适合已经接触过Arduino基础、想进一步了解多传感器融合、实时数据可视化以及电机控制的爱好者。你将学到如何让两种原理不同的测距传感器协同工作，如何通过PWM信号精确控制舵机角度，以及如何利用串口通信将微控制器的数据“投射”到手机屏幕上，形成一个动态的雷达图。整个过程涉及硬件连接、底层驱动编写、数据处理和上层UI交互，是一个综合性很强的嵌入式系统入门实践。

2. 硬件选型与连接方案解析

2.1 核心控制器：为什么选择Raspberry Pi Pico？

在这个项目中，微控制器需要承担多项任务：产生超声波传感器的触发信号并捕获回波、通过UART与ToF传感器通信、生成舵机控制所需的PWM信号，同时还要通过USB虚拟串口与手机端的DumbDisplay应用进行高速数据交换。Raspberry Pi Pico基于RP2040双核ARM Cortex-M0+处理器，主频133MHz，性能对于此类任务绰绰有余。其最大的优势在于丰富的GPIO资源和极低的成本，并且完美支持Arduino框架，使得开发体验与传统的Arduino Uno/Mega非常接近，但性能却强得多。

我选择Pico的另一个关键原因是其USB通信的稳定性和灵活性。它能够稳定地模拟一个CDC（通信设备类）串口，与手机连接时可以被识别为一个标准串行设备，这是DumbDisplay应用能够与之通信的基础。虽然ESP32等开发板也能实现类似功能，但Pico在纯粹的数据吞吐和GPIO直接控制方面显得更加“专注”和高效。

2.2 传感器双雄：超声波与ToF的优劣与互补

HC-SR04超声波传感器的工作原理是经典的“回声测距”。它通过Trig引脚接收一个至少10微秒的高电平脉冲来触发一次声波发射，然后Echo引脚会输出一个高电平脉冲，其宽度与声波往返时间成正比。计算距离的公式为：距离 = (高电平时间 × 声速) / 2。在常温下，声速约340m/s，即0.034cm/微秒。因此，代码中常使用duration * 0.034 / 2来计算厘米距离。

它的优点是成本极低、原理简单、不受光线影响。但缺点也很明显：测量精度受环境温度、湿度影响较大；波束角较宽（约15度），容易受到侧面物体的干扰；对柔软、吸音材质的物体检测效果差；最小测量距离存在盲区（通常2-3厘米）。

TOF10120激光测距传感器采用的是“飞行时间”原理。它向目标发射一束调制过的红外激光，并测量激光反射回来的时间，直接计算出距离。我们通过UART发送指令r6#，它会返回如L=156mm格式的字符串。其优点是精度高（毫米级）、波束角非常小（指向性强）、响应速度快，且不易受环境声波干扰。缺点是成本较高，强光直射下可能失效，对透明物体（如玻璃）或极度吸光的黑色绒布测量可能不准。

在实际搭建中，让这两个传感器一起工作非常有价值。你可以通过UI按钮实时切换，直观对比两者在不同材质、不同距离、不同环境光下的测量差异。这是一种非常有效的传感器特性学习方式。

2.3 动力与可视化：舵机与DumbDisplay

SG90舵机是一个位置伺服电机。它通过接收周期为20ms的PWM信号，并根据信号中高电平的脉宽（通常在0.5ms到2.5ms之间）来对应输出0到180度的角度。在Arduino框架下，我们可以直接使用强大的Servo库来控制它，无需手动计算PWM细节。在本项目中，舵机的作用是带着传感器做周期性摆动，从而实现扫描效果。

DumbDisplay是这个项目的“点睛之笔”。它是一个运行在安卓手机上的应用，通过USB OTG线接收来自Pico的串口数据，并根据预定义的协议在手机上绘制出雷达图、波形图、数字显示和按钮控件。这省去了为项目单独配备屏幕的麻烦，并且手机屏幕的高分辨率和色彩表现力远超一般的TFT屏模块。其通信本质是串口，因此任何能输出串口数据的设备都能驱动它，通用性极强。

2.4 电路连接实战与注意事项

正确的硬件连接是项目成功的基石。下面给出经过验证的接线方案，并解释每一根线的作用。

电源规划：这是最容易出错的地方。Pico的VBUS引脚直接来自USB口的5V电源。HC-SR04和SG90舵机都需要5V工作电压，因此它们的VCC引脚都应接在Pico的VBUS上。而TOF10120的工作电压是3.3V，必须接在Pico的3V3(OUT)引脚上。切勿接错，否则可能损坏传感器。所有设备的GND都必须连接到Pico的GND，共地是电路正常工作的前提。

信号线连接：

• HC-SR04:
  • Trig->GP4(Pico输出触发信号)
  • Echo->GP5(Pico输入回波信号)
• TOF10120:
  • TxD->GP13(传感器发送数据线，接Pico的接收引脚RX)
  • RxD->GP12(传感器接收数据线，接Pico的发送引脚TX)
  • 注意：这里容易混淆。传感器的TxD应连接微控制器的RX引脚，传感器的RxD连接微控制器的TX引脚。代码中UART Serial3(TOF_RX_PIN, TOF_TX_PIN, 0, 0)，第一个参数是RX引脚号，第二个是TX引脚号，所以TOF_RX_PIN（GP12）实际是Pico的RX，用来接收来自传感器TxD的数据。
• SG90:
  • 信号线（橙色）->GP10(Pico输出PWM控制信号)

注意：当同时连接舵机和超声波传感器到VBUS时，在电机启动瞬间可能会引起电压小幅波动，可能导致超声波传感器读数异常。一个实用的技巧是在VBUS和GND之间跨接一个100μF以上的电解电容，可以起到电源滤波和缓冲的作用。

为了接线整洁，强烈建议使用一块面包板或者一个Pico扩展板。将所有电源和地线在面包板上汇流，可以避免Pico引脚上插满杜邦线的混乱局面，也使得电路更稳定可靠。

3. 软件架构与核心代码实现

3.1 开发环境搭建：PlatformIO的优势

我强烈推荐使用VSCode + PlatformIO来代替传统的Arduino IDE进行开发。PlatformIO是一个专业的嵌入式开发平台，支持库依赖管理、版本控制、更强大的代码提示和调试功能。对于这个多文件、多依赖库的项目，它能管理得井井有条。

项目配置文件platformio.ini是核心，它定义了项目的所有构建规则：

[env:pico] platform = raspberrypi board = pico framework = arduino lib_deps = https://github.com/trevorwslee/Arduino-DumbDisplay arduino-libraries/Servo@^1.1.8 upload_port = /dev/cu.usbmodem1101 ; Mac/Linux示例，Windows通常是COMx monitor_speed = 115200

• platform和board指定了硬件平台。
• framework = arduino意味着我们使用Arduino框架来编程。
• lib_deps部分至关重要，它声明了项目依赖的两个外部库：Arduino-DumbDisplay（用于UI通信）和官方的Servo库。PlatformIO会自动从网络仓库下载并管理这些库。
• upload_port需要根据你的操作系统和实际连接的端口进行修改。

将提供的.ino草图文件内容复制到src/main.cpp中，PlatformIO就能正确识别并编译。这种将.ino作为.cpp来管理的方式，避免了Arduino IDE的一些隐式规则，让项目结构更清晰。

3.2 传感器数据采集的核心代码剖析

项目的逻辑核心在于稳定、准确地读取两个传感器的数据。代码中通过宏定义来灵活配置引脚，方便你根据实际拥有的硬件进行裁剪。

超声波测距的实现： 超声波测距的代码逻辑是标准的，但时序要求严格。在setup()中，需要将Trig引脚设置为OUTPUT，Echo引脚设置为INPUT。

pinMode(US_TRIG_PIN, OUTPUT); pinMode(US_ECHO_PIN, INPUT);

实际的测量函数通常被封装在一个循环中。关键步骤是：

1. 先将Trig置低至少2微秒，确保一个稳定的起始状态。
2. 拉高Trig引脚至少10微秒，这是HC-SR04要求的触发信号。
3. 拉低Trig，然后立即使用pulseIn(US_ECHO_PIN, HIGH)函数等待并测量Echo引脚高电平的持续时间。这个函数会阻塞直到检测到引脚上升沿，然后计时直到下降沿到来。
4. 利用公式计算距离。这里有一个重要的细节：pulseIn返回的单位是微秒，声速0.034的单位是厘米/微秒，除以2是因为声音走了往返路程。

实操心得：pulseIn函数在未检测到回波时会超时等待（默认1秒），这可能导致程序卡住。在雷达扫描场景下，如果某个方向没有物体，这是正常情况。因此，最好将测距代码放在非阻塞的定时器中断中，或者使用pulseIn的超时参数（第三个参数）设置一个合理的最大等待时间（例如30000微秒，对应约5米距离）。

ToF传感器数据读取： ToF传感器通过UART通信，这比超声波的时序控制要简单，但需要处理数据协议。

UART Serial3(TOF_RX_PIN, TOF_TX_PIN, 0, 0); #define TOF Serial3 void setup() { TOF.begin(9600); // 初始化串口，波特率9600 TOF.print("s5-1#"); // 发送命令，设置为不自动上报测量值 }

在测量时，我们发送读取指令r6#，然后等待传感器的回复。

TOF.print("r6#"); int count = 0; while (count++ < 5) { // 设置最大重试次数，避免死循环 String dist = TOF.readStringUntil('\n'); if (dist.startsWith("L=")) { tofDistance = dist.substring(2, dist.indexOf('m')).toInt() / 10; break; } }

这段代码的健壮性处理值得学习：它通过while循环设置了最多5次读取尝试；通过readStringUntil('\n')读取一行数据；通过startsWith("L=")来筛选出有效的距离数据行；最后使用substring和toInt解析出数字。因为原始数据单位是毫米（如L=156mm），除以10得到厘米，以便和超声波数据单位统一。

3.3 舵机扫描控制与角度映射

舵机控制使用了ArduinoServo库，这极大地简化了操作。

#include <Servo.h> Servo radarServo; void setup() { radarServo.attach(SERVO_PIN); // 关联舵机信号线引脚 } void loop() { // 控制舵机从0度转到90度 for(int angle = 0; angle <= 90; angle++) { radarServo.write(angle); delay(15); // 给舵机一点时间转动到指定位置 // ... 在此位置进行传感器测量 ... } }

在雷达扫描模式下，我们让舵机在0到90度（可配置）之间往复运动。每一个角度位置，都进行一次传感器测量。这样，距离数据就和角度信息绑定在了一起。这个(角度， 距离)的数据对，正是我们在雷达图上绘制一个点的极坐标。

这里有一个关键点：舵机的机械角度需要映射到雷达屏幕上的扫描角度。例如，舵机实际转动0-90度，你可能希望它在UI上显示为扫描-45度到+45度（以正前方为0度）。这个映射关系需要在发送给DumbDisplay的数据协议中体现出来。通常，我们会在代码里做一个线性变换：ui_angle = (servo_angle - 45)。这样，当舵机在45度时，UI上显示为正前方0度。

3.4 与DumbDisplay的通信协议设计

DumbDisplay应用通过串口接收特定格式的指令来更新UI。通信协议的设计原则是简洁、高效。协议通常是文本形式的，以换行符\n结尾。

例如，更新一个显示距离的标签可能发送：labelid:distLabeltext:123 cm\n其中，label是指令类型，id:distLabel指定了UI中哪个组件需要更新，text:123 cm是更新的内容。

对于雷达图，协议会更复杂一些。需要发送一个命令来清空画布，然后发送一系列点数据。可能像这样：canvasid:radarclear\ncanvasid:radardrawpointpolar:45,60color:green\n这条指令告诉id为radar的画布，在极坐标角度45度、距离60像素的位置，画一个绿色的点。

在代码中，我们需要根据当前舵机角度和测量到的距离，实时构造这些指令字符串，并通过Serial.println()发送出去。DumbDisplay应用会解析这些指令并实时渲染UI。这种将底层数据采集与上层UI显示分离的架构，使得代码逻辑清晰，也方便后期扩展更多的显示元素。

4. 系统集成调试与性能优化

4.1 多任务调度与时间管理

当系统需要同时处理传感器读取、舵机控制、数据发送和UI响应时，一个简单的loop()函数如果使用delay()，很容易导致系统反应迟钝。例如，超声波传感器测量和舵机转动都需要等待时间。为了构建一个响应灵敏的系统，我们需要采用非阻塞的编程模式。

核心思想是使用millis()函数来管理时间。millis()返回Arduino启动后的毫秒数，我们可以通过比较时间差来判断某个操作是否应该执行，而不是用delay()干等。

示例：非阻塞的超声波测距

unsigned long lastUsReadTime = 0; const unsigned long usReadInterval = 50; // 每50ms读取一次超声波 void loop() { unsigned long currentMillis = millis(); // 检查是否到了读取超声波的时间 if (currentMillis - lastUsReadTime >= usReadInterval) { lastUsReadTime = currentMillis; int distance = readUltrasonic(); // 封装好的测距函数 // ... 处理并发送距离数据 ... } // 其他任务，如检查ToF传感器、更新舵机角度等，也可以用同样的模式 // 它们彼此独立，不会互相阻塞 }

对于舵机控制，我们不再使用for循环加delay来扫掠，而是根据时间计算当前的目标角度。

int sweepDirection = 1; // 1为增加角度，-1为减少角度 int currentAngle = 0; const int angleStep = 1; // 每次增加的角度 const unsigned long servoUpdateInterval = 20; // 每20ms更新一次舵机 unsigned long lastServoUpdateTime = 0; void loop() { unsigned long currentMillis = millis(); if (currentMillis - lastServoUpdateTime >= servoUpdateInterval) { lastServoUpdateTime = currentMillis; currentAngle += angleStep * sweepDirection; if (currentAngle >= 90 || currentAngle <= 0) { sweepDirection *= -1; // 到达边界时反向 } radarServo.write(currentAngle); // 在此角度进行传感器测量 performMeasurementAtAngle(currentAngle); } }

这种模式下，舵机平滑运动，传感器在每一个新角度位置进行测量，而主循环还能腾出时间来处理串口指令和更新UI，整个系统显得非常流畅。

4.2 数据滤波与传感器融合初探

原始传感器数据往往带有噪声。超声波传感器容易因环境声波或测量表面特性产生跳变值；ToF传感器在极限距离或强光下也可能读数不稳。直接使用这些原始值会导致雷达图上的点剧烈抖动，影响观感和判断。

一个简单有效的软件滤波方法是移动平均滤波。它保存最近N次的测量值，并取平均值作为输出。这能有效平滑掉随机尖峰噪声。

const int numReadings = 5; int usReadings[numReadings]; // 超声波读数数组 int usReadIndex = 0; int usTotal = 0; int usAverage = 0; int smoothUltrasonicDistance(int newDistance) { // 减去最旧的读数，加上最新的读数 usTotal = usTotal - usReadings[usReadIndex] + newDistance; usReadings[usReadIndex] = newDistance; // 存储最新读数 usReadIndex = (usReadIndex + 1) % numReadings; // 循环索引 usAverage = usTotal / numReadings; return usAverage; }

对于更高级的应用，你可以尝试让两个传感器协同工作，即传感器融合。一个基本的策略是：在近距离（例如30厘米内），优先信任ToF传感器，因为其精度高、盲区小；在远距离或ToF传感器失效（如返回错误值）时，采用超声波传感器的数据。你可以在代码中设置一个逻辑判断，根据当前条件选择最终使用的距离值。这能提升系统在不同环境下的鲁棒性。

4.3 DumbDisplay UI布局与交互优化

默认的UI已经提供了雷达图、波形图和按钮。但你可以通过发送不同的DumbDisplay指令来自定义UI，使其更符合你的需求。

例如，你可以改变雷达图的外观：

• canvasid:radarbgcolor:black\n– 将背景设为黑色，更像传统雷达屏幕。
• canvasid:radardrawlinepolar:0,0topolar:0,100color:white\n– 在雷达图上画一条从中心指向0度方向的白色参考线。

你还可以增加UI控件。比如，增加一个滑块来实时调整超声波测量的频率，或者增加一个开关来选择是否启用数据滤波。这需要在Arduino代码中定义新的UI元素ID，并解析从手机端发送过来的控制指令（DumbDisplay也支持从手机向设备发送数据）。

交互优化的核心是减少不必要的数据传输。例如，只有当距离值发生变化超过某个阈值（如1厘米）时，才更新UI上的数字显示。对于雷达图，可以设置一个“持久化”时间，让点迹慢慢淡出，而不是立即消失，这样能更好地观察物体的运动轨迹。

4.4 功耗考量与便携化设想

目前系统通过手机USB供电，对于Pico、两个传感器和一个微型舵机来说，手机的电池足以支撑数小时的连续运行。但如果考虑更长时间的户外使用或电池供电，就需要进行功耗优化。

1. 降低工作频率：在不影响体验的前提下，降低传感器采样率和舵机更新频率。例如，将扫描范围从90度减小到60度，扫描速度放慢。
2. 睡眠模式：当没有检测任务时，可以让Pico进入深度睡眠模式，仅由外部中断（如一个按键）唤醒。这需要更复杂的电路和程序设计。
3. 选择性供电：可以通过一个MOSFET管，用Pico的GPIO控制给传感器和舵机的5V电源通断。在不需要测量时，彻底切断它们的电源。

一个有趣的便携化设想是使用一块小容量的锂电池（如18650）配合充电管理模块为整个系统供电，并将Pico通过蓝牙模块与手机连接，摆脱USB线的束缚，成为一个真正的无线便携雷达探测器。

5. 常见问题排查与进阶玩法

5.1 硬件连接与电源问题排查表

5.2 软件与数据异常调试技巧

• 串口调试是王道：在代码关键位置（如进入测距函数、收到有效数据、发送UI指令前）添加Serial.print语句，输出变量值或状态标志。这是定位逻辑错误最直接的方法。
• 隔离测试：先将系统拆解。单独编写一个只测试超声波传感器的程序，确认其工作正常。再单独测试ToF传感器和舵机。最后再将它们整合到一起，并加入DumbDisplay通信。分而治之可以快速定位问题模块。
• 检查变量溢出：pulseIn返回的duration是long类型，但在计算duration * 0.034时，如果距离很远（duration很大），乘法可能导致中间结果溢出。确保使用浮点数计算或调整公式顺序。
• 注意全局变量冲突：在中断服务函数中修改的全局变量，在主循环中读取时，如果该变量大于MCU的原子操作长度（如8位MCU上的int），可能会读到不完整的值。可以考虑暂时关闭中断进行读取，或者使用volatile关键字声明。

5.3 项目扩展与进阶思路

这个基础框架有巨大的扩展潜力：

1. 多传感器阵列：使用多个超声波传感器，固定在不同角度，无需舵机即可实现更广范围的瞬时探测。Pico有足够的GPIO来驱动多个HC-SR04。
2. 数据记录与回放：在Pico上挂载一个微型SD卡模块，将扫描到的（角度，距离，时间戳）数据记录到CSV文件中。之后可以导入电脑进行更深入的分析，或实现轨迹回放。
3. 物体追踪与预警：在软件算法中加入简单逻辑。连续几次扫描在同一区域发现物体，则判定为静止物体；如果物体坐标连续变化，则计算其移动速度和方向，并通过DumbDisplay发出图形或声音预警。
4. 三维扫描：增加一个垂直方向的舵机，将传感器安装在由两个舵机组成的云台上，实现水平和垂直两个维度的扫描，从而获取三维点云数据。这需要更复杂的坐标变换和UI显示。
5. 更换核心板：尝试将主控换成ESP32。利用其Wi-Fi功能，可以将雷达数据以WebSocket形式发送到局域网内的任何设备（电脑、平板、手机）上的浏览器进行显示，彻底摆脱USB线的限制。

这个项目的魅力在于，它从一个简单的想法出发，串联起了嵌入式开发中硬件接口、传感器原理、实时控制、数据通信和可视化等多个核心环节。完成它，你收获的不仅仅是一个会转的雷达模型，更是一套解决实际问题的嵌入式系统开发方法论。